准确率（precision）、召回率（recall）和f1-score

通过下面这个混淆矩阵可以更好的理解

• 真实值是 正例 的样本中，被分类为 正例 的样本数量有多少，这部分样本叫做真正例（TP，True Positive）
• 真实值是 正例 的样本中，被分类为 假例 的样本数量有多少，这部分样本叫做伪反例（FN，False Negative）
• 真实值是 假例 的样本中，被分类为 正例 的样本数量有多少，这部分样本叫做伪正例（FP，False Positive）
• 真实值是 假例 的样本中，被分类为 假例 的样本数量有多少，这部分样本叫做真反例（TN，True Negative）

精准率（precision）又叫查准率：
指的是预测结果为正例中，真正为正例的样本所占的比例，也就是

precision = TP /（TP + FP）

召回率（recall）又叫查全率
真正为正例的样本占所所有正例的比例：

recall = TP /（ TP + FN）

F1值

F1 = 2✖️precision✖️recall /（precision + score）